Matematica di base e Python per il Deep Learning

Le basi matematiche del Machine Learning e del Deep Learning si possono ricondurre ad alcuni argomenti di matematica applicata che esistevano da prima dell’introduzione di queste discipline: in particolare l’algebra lineare, che è la teoria degli oggetti negli spazi a più dimensioni, e che viene utilizzata per rappresentare i dati trattati nel Deep Learning, le tecniche di ottimizzazione, che consentono di definire algoritmi fondamentali di ricerca di soluzioni a problemi di massimo e minimo, cui sono riconducibili i problemi che gli algoritmi di Deep Learning cercano di risolvere, e il calcolo delle probabilità, che offre un formidabile strumento di valutazione delle performance e di analisi degli algoritmi stessi. Il Deep Learning è una tecnologia al crocevia di diverse discipline, ma la sua spina dorsale è l’informatica, e in particolare la programmazione. Infatti il Deep Learning offre tecniche e algoritmi che si possono “implementare” in applicazioni e librerie software, per essere utilizzati nei vari contesti applicativi e scatenare la potenza degli algoritmi stessi sulle moli di dati a partire dai quali questi algoritmi offrono le migliori performance. In quanto tale, il ciclo di vita di un progetto di Deep Learning è un caso particolare del ciclo di vita del software e la parte fondamentale dello sviluppo di un progetto software, cioè la programmazione o meglio lo sviluppo di programmi, non può essere ignorata da chiunque voglia affrontare seriamente questi argomenti. In questo modulo offriamo le basi della programmazione utilizzando il linguaggio Python, una delle principali “lingue franche”: partiremo da zero giungendo a parlare anche di classi e oggetti e descrivendo al tempo stesso le tecniche fondamentali di programmazione e gli aspetti principali e imprescindibili del linguaggio Python.